[發明專利]基于長短期記憶網絡的司機駕駛行為自動化分析方法

在審

• 申請號: 202010873899.3
• 申請日: 2020-08-26
• 公開（公告）號: CN112061136A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 劉家佳;荀毅杰
• 申請（專利權）人: 西北工業大學
• 主分類號: B60W40/09
• 分類號: B60W40/09;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 王艾華

本發明公開了一種基于長短期記憶網絡的司機駕駛行為自動化分析方法，步驟1，特征數據的提取和預處理；步驟2，滑動窗口的設計；步驟3，駕駛行為自動化分析網絡的搭建。本發明首先從汽車CAN總線提取含有司機駕駛行為的行車數據；然后利用乘客的乘車體驗對司機駕駛行為進行打分，并將其作為司機行車數據評價的標簽；隨后基于長短期記憶網絡搭建司機駕駛行為自動化分析網絡，并對大量司機的行車數據和標簽數據進行深度訓練，學習司機駕駛行為習慣，建立駕駛行為自動化分析庫；最后，當任意司機駕駛汽車時，構建的司機駕駛行為自動化分析網絡都能夠根據其行車數據實現司機駕駛行為的自動化分析，判斷司機是否具有優秀的駕駛行為習慣。

技術領域

本發明屬于電子信息技術領域，特別涉及基于長短期記憶網絡的司機駕駛行為自動化分析方法。

背景技術

機器學習與汽車工業的融合為智能網聯汽車產業注入了新的動力。然而，仍有許多難題需要解決，例如司機駕駛行為自動化分析等。由于乘客舒適性一直是汽車行業關注的焦點，司機駕駛行為自動化分析具有很大的應用價值。例如，針對私家車，駕駛行為自動化分析可以改善司機的駕駛習慣，減少交通事故的發生；面向公交車、網約車等公司，可以招聘駕駛行為優秀的司機，為乘客帶來更舒適的乘車體驗，從而提高服務質量和公司影響力。

每個人都有自己特定的行為習慣。例如，當一個作者在寫作的時候，其寫作習慣會通過一支筆傳遞到字體上，形成獨特的筆跡。同樣，每個駕駛員都有自己特殊的駕駛行為習慣，這些習慣會通過汽車CAN總線以數據的形式傳遞給各個控制器(如傳輸控制模塊、車身控制模塊等)，從而控制車輛的狀態。

在現階段，還沒有利用司機的行車數據自動化分析司機的駕駛行為的相關工作。因為司機駕駛行為自動化分析受到以下因素的限制：

1)汽車CAN總線數據中包含大量的汽車狀態信息，如何從汽車CAN總線數據中提取司機駕駛行為就是一項重大挑戰。

2)司機駕駛行為的好壞由汽車加速度、速度、方向盤角速度等多個因素共同影響，如何從大量車載傳感器識別司機駕駛特征是一項具有挑戰的工作。

3)司機的駕駛行為習慣與時間有關。例如，整個加速/減速/轉彎動作都是在一個時間段內完成的，而不是在一個時間點完成的。如何從一個時間段內提取司機駕駛行為習慣是司機駕駛行為自動化分析的一大難點。

發明內容

本發明為了克服上述現有技術不足，提供了一種基于長短期記憶網絡的司機駕駛行為自動化分析方法，首先從汽車CAN總線提取含有司機駕駛行為的行車數據；然后利用乘客的乘車體驗對司機駕駛行為進行打分，并將其作為司機行車數據評價的標簽；隨后利用長短期記憶網絡(LSTM)對大量司機的行車數據和標簽數據進行深度訓練，學習司機駕駛行為習慣，并建立駕駛行為自動化分析庫；最后，當任意司機駕駛汽車時，LSTM網絡都能夠根據其行車數據實現司機駕駛行為的自動化分析，判斷司機是否具有優秀的駕駛行為習慣。

本發明所述的基于LSTM網絡實現駕駛行為自動化分析的網絡模型設計，包括以下步驟：

步驟1，特征數據的提取和預處理：從汽車CAN總線收集與車輛行車數據，并將數據處理為司機駕駛行為自動化分析模型可識別的輸入數據；

步驟2，滑動窗口的設計：利用固定長度和寬度的滑動窗口從車輛預處理數據中進行數據采樣，使司機駕駛行為自動化分析網絡的每個輸入都是一個[t×m]的矩陣(t為LSTM網絡的時間序列長度，輸入數據具有m個特征)。

步驟3，駕駛行為自動化分析網絡的搭建：基于LSTM網絡，設計出能夠自動化分析司機駕駛行為的網絡模型結構，實現司機駕駛行為的自動化分析。

進一步的，步驟1中駕駛數據的提取具體包括：